efficiency पर टैग किए गए जवाब

7
उदाहरण जहां क्षणों की विधि छोटे नमूनों में अधिकतम संभावना को हरा सकती है?
अधिकतम संभावना अनुमानक (एमएलई) एसिम्पोटिक रूप से कुशल हैं; हम व्यावहारिक उत्थान को देखते हैं कि वे अक्सर छोटे तरीकों के आकार पर भी क्षणों की विधि (MoM) के अनुमानों (जब वे भिन्न होते हैं) से बेहतर करते हैं यहाँ 'से बेहतर' का अर्थ आम तौर पर छोटे रूपांतर में …

2
क्यों
पैरामीटर लिए अनुमानक का एक क्रम रूप से सामान्य है यदि । ( स्रोत ) हम तो कहते हैं के asymptotic विचरण । यदि यह परिवर्तन क्रामर-राव बाउंड के बराबर है , तो हम कहते हैं कि अनुमानक / अनुक्रम विषम रूप से कुशल है।UnUnU_nθθ\thetan−−√(Un−θ)→N(0,v)n(Un−θ)→N(0,v)\sqrt{n}(U_n - \theta) \to N(0,v)vvvUnUnU_n प्रश्न: …

2
क्या (सममित) वितरण नमूना माध्यिका की तुलना में अधिक कुशल अनुमानक है?
मैंने इस विश्वास के तहत लेबल किया है कि नमूना माध्य नमूना की तुलना में केंद्रीय प्रवृत्ति का अधिक मजबूत माप है, क्योंकि यह आउटलेर को अनदेखा करता है। इसलिए मुझे यह जानकर आश्चर्य हुआ ( एक अन्य प्रश्न के उत्तर में ) कि सामान्य वितरण से लिए गए नमूनों …

3
सामान्य रूप से वितरित डेटा के लिए स्टूडेंट के टी-टेस्ट की तुलना में विलकॉक्सन टेस्ट की एसिम्प्टोटिक सापेक्ष दक्षता क्यों है ?
यह सर्वविदित है कि विलकॉक्सन हस्ताक्षरित रैंक परीक्षण की एसिम्प्टोटिक सापेक्ष दक्षता (हैं) स्टूडेंट के t की तुलना में है , यदि डेटा सामान्य रूप से वितरित जनसंख्या से खींचा जाता है। यह बुनियादी एक-नमूना परीक्षण और दो स्वतंत्र नमूनों (विल्कोक्सन-मान-व्हिटनी यू) के लिए संस्करण के लिए सच है। सामान्य …

2
ओएलएस एसिमोटोटपिक रूप से हेटेरोसिस्टैस्टिकिटी के तहत कुशल है
मुझे पता है कि ओएलएस निष्पक्ष है, लेकिन रैखिक प्रतिगमन सेटिंग में विषमलैंगिकता के तहत कुशल नहीं है। विकिपीडिया में http://en.wikipedia.org/wiki/Minimum_mean_square_error MMSE आकलनकर्ता विषम रूप से निष्पक्ष है और यह सामान्य वितरण में वितरण में परिवर्तित होता है: , जहाँ मैं (x) फ़िशर x की जानकारी है। इस प्रकार, MMSE …
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.